如何使用DeepAnalyze-8B構建一個適配T4的自主資料科學代理：沙盒程式碼執行與迭代分析

本教程將引導您構建一個基於DeepAnalyze-8B的自主資料科學代理，並完整執行整個流程。我們首先準備穩定的Colab執行時，安裝所需的機器學習依賴，並以4位量化模式載入DeepAnalyze標記器和模型，以確保在有限GPU記憶體下實際可行。接著，我們建立一個沙盒執行環境，使模型能夠生成Python程式碼，安全執行，觀察結果，並在代理迴圈中持續分析。最後，我們為代理提供一個真實的多檔案電子商務工作區，讓其完成資料清洗、連線、分析、視覺化和總結，輸出結構化的分析師級報告。

安裝DeepAnalyze-8B執行時依賴

我們首先準備Colab執行時，安裝DeepAnalyze-8B所需的機器學習依賴。我們安裝Transformer、加速、量化、分詞器和電子表格庫，而不干擾筆記本的其他工作流程。我們還固定NumPy版本，並重啟執行時以保持環境清潔穩定。

以4位模式載入DeepAnalyze-8B

匯入主要庫，配置DeepAnalyze-8B模型，並確認Colab中有可用的GPU。載入分詞器並準備4位量化配置，使模型能更舒適地適應T4 GPU。然後以評估模式載入模型，確認GPU記憶體使用情況。

構建沙盒程式碼執行器

定義沙盒程式碼執行器，為代理提供持久的Python名稱空間以執行生成的程式碼。捕獲標準輸出和錯誤流，使每次執行結果都能傳回推理迴圈。同時設定超時並截斷長輸出，以保持自主工作流程可控且可讀。

實現DeepAnalyze代理迴圈

實現DeepAnalyze代理迴圈，流式輸出模型結果，提取生成的程式碼並逐步執行。允許模型透過特殊動作標籤在推理、編碼、執行反饋和最終回答之間交替。維護完整的對話軌跡，使代理能基於先前輸出和執行結果最佳化分析。

執行電子商務分析工作區

建立提示構建器，準備示例電子商務工作區，生成交易和客戶檔案進行分析。向代理提供完整的分析指令，要求其清洗、連線、探索、視覺化並總結資料集。最後執行代理，顯示最終報告，並渲染分析過程中生成的PNG圖表。

結論

本教程展示瞭如何將DeepAnalyze-8B用作迭代資料分析代理：理解任務、編寫可執行程式碼、檢查輸出並根據實際結果最佳化分析。該工作流程輕量級且保留了核心代理模式，為構建自主資料科學筆記本奠定了基礎。